好运飞艇app争霸 希捷Athena项目,让智能制造从自动化迈向智能化

  • 时间:
  • 浏览:0
  • 来源:彩神8APP下载

好运飞艇app争霸Athena:希捷内部管理的人工智能(AI) 边缘平台 ......

内容综述: 希捷打造了一个切实可行的、实用的人工智能(AI)平台以提升生产线下行速率 和产品质量。该平台还要将生产所需的新型层流手术室 投资成本降低达20%,而流程耗时则缩短10%。

该项目在希捷内部管理被拟定代号为雅典娜(Athena),系统每天外理数以百万计的显微镜照片。 通过厚度学习和自我训练,Athena比人类专家更为越来更慢精准地识别过低。

希捷还后能 以更快的下行速率 、更低的成本外理不规范什么的什么的问题和流程什么的什么的问题。通过提高下行速率 和完善质量管理,希捷预计有望获得高达500%的投资回报率。

Athena项目技术为制造业的所有客户提供了广泛的应用。这是智能制造迈出的最重要的第一步,也证明了工业4.0或者到来。

Athena 项目介绍

希捷已在其地处明尼苏达州诺曼代尔(Normandale)的晶圆制造工厂成功部署了有史以来第一个厚度学习制造项目。晶圆片(小片半导体材料)被用来生产硬盘上的读写头。

挑战

希捷工厂中,记录传感器的年生产量超过10亿。为保障最高标准的质量水平,还要对哪几个传感器进行分析和测试以检测是否地处制造过低。传感器是哪几个?它们与晶片和驱动器有哪几个关系?这得从原材料说起,其原材料实际上是這個薄的半导体基板。经过光刻工艺过程,基板变成薄的、扁平的、水晶般的晶圆片。晶圆切割并进行进一步外理后,就变成了传感器(也称为滑块)——一个还后能 在旋转的磁盘记录外皮进行数据读写的部件。

测试过程漫长、冗杂且还要极少量人力。每张500毫米的晶圆上有5万个还要检测的滑块。诺曼代尔工厂每天拍摄数百万张的显微镜照片,产生的数据量高达10TB,哪几个照片还要在晶圆组装进去硬盘前得到筛选以检测潜在的产品过低。

或者还要分析的传感器数量庞大,工程师不或者对所有传感器进行检测。即使制造过程漫长,也没办法 足够的时间来检查每一张图像。这就导致 有过低的部件有前一天 虽然 还后能 躲过即时检测,在已经 的过程中才被发现,而届时付出的成本则要高统统。

希捷还要這個还后能 在更短时间内检测更多图片的土最好的办法。或者仅仅靠雇用更多的图像分析专家还没办法 土最好的办法删剪外理1700万张图片。

希捷团队采用基好运飞艇app争霸于规则的图像分析,实现了一定程度的自动化。采用這個土最好的办法,若果系统首先获知它要寻找哪几个,就有或者识别出异常。而规则是人工建立起来的,这是一个耗时且还要经过不断调整和完善的过程。

基于规则的系统建立慢、完善慢或者或者会得出不同的结果。除了产生统统误报之外,规则必须检测出已知什么的什么的问题。这或者造成潜在风险—即有什么的什么的问题的晶圆在组装进去读写磁头前,或者逃过检测。

得益于人工智能、机器学习以及物联网感应器的发展,一个新的还要规避上述风险的外理方案应运而生,这可是我希捷的Athena 项目。

外理方案

该方案还要外理两什么的什么的问题图片:每天还要外理的极少量数据以及当前基于规则的分析系统地处的过低。传统的大数据tcp连接是进行批量外理的,但这删剪不适用于24×7×365运行的生产线。

第一步是建立一个具备提高自动化和传感器故障检测洞察能力的厚度神经网络(DNN)。神经网络的构建采用Nvidia V5000和P4 GPUs*以及希捷的高性能Nytro®X 2U24存储,以支持Athena的厚度学习和人工智能系统。 接着,将晶圆图像输入厚度神经网络,从而训练人工智能系统区分“合格”和“不合格”的晶圆。Athena的学习土最好的办法和人类工程师删剪一样——查看成千上万张图片。但得益于厚度神经网络的原始外理能力,Athena比人类类学更快、更精准。

一段时间后,Athena获得了分辨流程中潜在过低的能力。人工智促进手标记异常图像以供主题专家进行手动评估。Athena还要基于图像分析操作过程中检测到的异常具体情况进行规则的建立和细化。

最为重要的是,Athena 还要对电子显微镜生成的图像进行实时接收和分析。厚度神经网络还后能 在每张图片生成的一并进行外理。截至目前,希捷已实现了每天外理当天生成的500万张图像,并还后能 识别或者被人类工程师遗漏的微小过低。

实时外理促进团队尽早识别和纠正制造中的什么的什么的问题。发现什么的什么的问题越及时,希捷就能越有效地降低其对生产流程和成本的影响。

未来

Athena项目擅长过低识别,但它不用可是我能删剪取代工厂专家。Athena项目的关键在于其为希捷的晶圆专家开拓了新的思路,纠正生产流程中的重什么的什么的问题图片。

Athena为外理希捷工厂外的更多什么的什么的问题起到了示范作用。它还后能 以更迅捷、更高适应性以及更有意义的土最好的办法检测到异常,這個能力还要扩展应用到智能工厂之外的其他地方,并在公共安全、自动驾驶汽车和智能城市等各种领域证明其行之有效。

希捷执行副总裁兼运营、产品和技术主管Jeffrey Nygaard表示:“我们都我们都我们都我们都我们都我们都 希望尽快将Athena 部署到我们都我们都我们都我们都我们都我们都 所有的生产设施中。随着微型相机和物联网传感器成本的下降,例如的技术也还要应用于其他领域。这是智能制造领域重大革新的第一步,也还要扩展应用于我们都我们都我们都我们都我们都我们都 其他工厂的基础架构。”

希捷的每个制造工具都中有 共要500个传感器,它们每秒钟就有记录机器的健康具体情况和其他测量数据。生成的信息还后能 帮助更好地发现不合规操作。将数据输入Athena 厚度神经网络,促进更早地识别生产什么的什么的问题。这为采取积极防御土最好的办法进行修复和故障预防提供了或者。

Athena项目的受益人不仅限于希捷。例如的智能工厂技术还要部署到整个制造业,帮助希捷的客户享受到更多例如Athena 还后能 提供的优势。客户用例或许有所差异,但其基本原理——厚度神经网络、人工智能和机器学习——是相同的。

客户还要可靠的技术平台部署人工智能项目,而希捷的外理方案还后能 满足哪几个需求。

边缘驱动

为了有效地开展工作,Athena项目还要进行极少量的数据外理——为了快速检测到异常,每天要及时外理高达10TB的晶圆图像数据。

未来几年,全球数据创造量或者飙升,而Athena 的地处顺应了该趋势。根据希捷赞助、IDC发布的报告预测,到2025年,全球数据圈将增长至175ZB。

在這個数据密集的新世界中,对下行速率 的需求亟待新的外理方案。边缘计算(Edge computing),作为Gartner 预测的2018年十大战略技术趋势之一是对延迟需求降低的宣布,也是对实时外理的关键应用tcp连接的宣布。它让计算更靠近数据源,更迅捷地向最终用户好运飞艇app争霸交付服务。

或者数据还后能 在数据源付近得到外理,没办法 就还要在离最终用户更近的地方生成实时洞察,从而大大降低网络资源的负载并为潜在的新应用打开全新的局面。以這個模式,数据中心技术——计算和存储模式——都将更加接近网络边缘,为新一代应用tcp连接开创或者。

对于Athena项目,在智能工厂外理数据這個就或者实现了生产异常的实时识别。